Fugu-MT 論文翻訳(概要): Video Diffusion Models: A Survey

論文の概要: Video Diffusion Models: A Survey

arxiv url: http://arxiv.org/abs/2405.03150v1
Date: Mon, 6 May 2024 04:01:42 GMT
ステータス: 処理完了
システム内更新日: 2024-05-07 14:54:58.368315
Title: Video Diffusion Models: A Survey
Title（参考訳）: ビデオ拡散モデル:サーベイ
Authors: Andrew Melnik, Michal Ljubljanac, Cong Lu, Qi Yan, Weiming Ren, Helge Ritter,
Abstract要約: 拡散生成モデルは、最近、コヒーレントで高品質なビデオを作成し、修正するための堅牢な技術となっている。本調査では,映像生成における拡散モデルの重要な要素,アプリケーション,アーキテクチャの選択,時間的ダイナミクスのモデル化について概説する。
参考スコア（独自算出の注目度）: 3.7985353171858045
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Diffusion generative models have recently become a robust technique for producing and modifying coherent, high-quality video. This survey offers a systematic overview of critical elements of diffusion models for video generation, covering applications, architectural choices, and the modeling of temporal dynamics. Recent advancements in the field are summarized and grouped into development trends. The survey concludes with an overview of remaining challenges and an outlook on the future of the field. Website: https://github.com/ndrwmlnk/Awesome-Video-Diffusion-Models
Abstract（参考訳）: 拡散生成モデルは、最近、コヒーレントで高品質なビデオを作成し、修正するための堅牢な技術となっている。本調査では,映像生成における拡散モデルの重要な要素,アプリケーション,アーキテクチャの選択,時間的ダイナミクスのモデル化について概説する。この分野の最近の進歩を要約し、開発トレンドにまとめる。調査は、残る課題の概要と、この分野の将来展望で締めくくられている。 Webサイト: https://github.com/ndrwmlnk/Awesome-Video-Diffusion-Models

関連論文リスト

Diffusion Model-Based Video Editing: A Survey [47.45047496559506]
本稿では,拡散モデルに基づくビデオ編集技術について概説する。進化的軌跡を描写した映像編集手法を,コア技術の本質的な接続によって分類する。本稿では,ポイントベース編集やポーズ誘導型ヒューマンビデオ編集など,新しい応用についても検討する。
論文参考訳（メタデータ） (2024-06-26T04:58:39Z)
Diffusion Models in Low-Level Vision: A Survey [82.77962165415153]
拡散モデルに基づくソリューションは、優れた品質と多様性のサンプルを作成する能力で広く称賛されている。本稿では,3つの一般化拡散モデリングフレームワークを提案し,それらと他の深層生成モデルとの相関関係について検討する。医療、リモートセンシング、ビデオシナリオなど、他のタスクに適用された拡張拡散モデルについて要約する。
論文参考訳（メタデータ） (2024-06-17T01:49:27Z)
Generative AI in Vision: A Survey on Models, Metrics and Applications [0.0]
生成AIモデルは、現実的で多様なデータサンプルの作成を可能にすることで、さまざまな分野に革命をもたらした。これらのモデルの中で、拡散モデルは高品質な画像、テキスト、オーディオを生成するための強力なアプローチとして現れている。本稿では,AI拡散モデルとレガシモデルについて概観し,その基礎となる技術,異なる領域にわたる応用,課題について概説する。
論文参考訳（メタデータ） (2024-02-26T07:47:12Z)
Stable Video Diffusion: Scaling Latent Video Diffusion Models to Large Datasets [36.95521842177614]
本稿では,高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細・高精細映像・高精細映像・高精細・高精細・高精細・高精細・高精細・高精細我々は,テキスト・ツー・イメージ・プレトレーニング,ビデオ・プレトレーニング,高品質ビデオファインタニングの3つの異なる段階を同定し,評価する。
論文参考訳（メタデータ） (2023-11-25T22:28:38Z)
Conditional Modeling Based Automatic Video Summarization [70.96973928590958]
ビデオ要約の目的は、全体を伝えるのに必要な重要な情報を保持しながら、自動的にビデオを短縮することである。映像要約法は視覚的連続性や多様性などの視覚的要因に依存しており、ビデオの内容を完全に理解するには不十分である。映像要約への新たなアプローチは、人間が地上の真実のビデオ要約を作成する方法から得られる知見に基づいて提案されている。
論文参考訳（メタデータ） (2023-11-20T20:24:45Z)
EvalCrafter: Benchmarking and Evaluating Large Video Generation Models [70.19437817951673]
これらのモデルはしばしば、マルチアスペクト能力を持つ非常に大きなデータセットで訓練されているので、単純な指標から大きな条件生成モデルを判断することは困難である、と我々は主張する。我々のアプローチは、テキスト・ツー・ビデオ生成のための700のプロンプトの多種多様な包括的リストを作成することである。そこで我々は、視覚的品質、コンテンツ品質、動作品質、テキスト・ビデオアライメントの観点から、慎重に設計されたベンチマークに基づいて、最先端のビデオ生成モデルを評価する。
論文参考訳（メタデータ） (2023-10-17T17:50:46Z)
A Survey on Video Diffusion Models [103.03565844371711]
AI生成コンテンツ(AIGC)の最近の波は、コンピュータビジョンでかなりの成功を収めている。その印象的な生成能力のため、拡散モデルは徐々にGANと自動回帰変換器に基づく手法に取って代わられている。本稿では,AIGC時代の映像拡散モデルについて概観する。
論文参考訳（メタデータ） (2023-10-16T17:59:28Z)
Video Summarization Using Deep Neural Networks: A Survey [72.98424352264904]
ビデオ要約技術は、ビデオコンテンツの最も有益な部分を選択して、簡潔で完全なシノプシスを作成することを目指しています。本研究は,この領域における最近の進歩に着目し,既存の深層学習に基づく総括的映像要約手法の包括的調査を行う。
論文参考訳（メタデータ） (2021-01-15T11:41:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。